A Stochastic-Geometrical Framework for Object Pose Estimation based on Mixture Models Avoiding the Correspondence Problem

要約

背景: 剛体の姿勢推定は、光学計測とコンピュータ ビジョンにおける実際的な課題です。
この論文では、複数の特徴点の観察に基づいて物体の姿勢を推定するための新しい確率幾何モデリング フレームワークを紹介します。
方法: このフレームワークは、オブジェクト空間の特徴点密度と実際の測定値の解釈に混合モデルを利用します。
利点は、個々の機能の対応関係を解決することを回避し、マルチビュー アプリケーションに正しい確率的依存関係を組み込むことができることです。
まず、一般的なモデリング フレームワークが示され、2 番目に姿勢推定のための一般的なアルゴリズムが導出され、3 番目に 2 つのモデル例 (カメラとラテレーション セットアップ) が示されます。
結果: 数値実験では、測定分解能、物体の変形、測定ノイズへの依存性を含む、3 つの観測システムに対する 4 つのシミュレーション シナリオを提示することにより、このモデリングと一般的なアルゴリズムの有効性を示します。
混合モデルを利用した確率的モデリングは、対応問題を回避しながら、正確かつロバストな姿勢推定の可能性を示しています。

要約(オリジナル)

Background: Pose estimation of rigid objects is a practical challenge in optical metrology and computer vision. This paper presents a novel stochastic-geometrical modeling framework for object pose estimation based on observing multiple feature points. Methods: This framework utilizes mixture models for feature point densities in object space and for interpreting real measurements. Advantages are the avoidance to resolve individual feature correspondences and to incorporate correct stochastic dependencies in multi-view applications. First, the general modeling framework is presented, second, a general algorithm for pose estimation is derived, and third, two example models (camera and lateration setup) are presented. Results: Numerical experiments show the effectiveness of this modeling and general algorithm by presenting four simulation scenarios for three observation systems, including the dependence on measurement resolution, object deformations and measurement noise. Probabilistic modeling utilizing mixture models shows the potential for accurate and robust pose estimations while avoiding the correspondence problem.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google